华阳集团HUD产品总监
HUD产品趋势:1)虚像尺寸增加(智能网联)+投影距离加大(自动驾驶);2)投影距离>10m,FOV>11°X4°,AR-HUD 4.0方案(全息显示),通过光波导技术实现;3)用户体验与【虚像大小】和【景深】共同决定。
竞争门槛:1)目前有比较多的公司在做,整车客户引进新供应商需要看过往50万套的表现;2)HUD三坐标畸变矫正能力需要在100-220ms之内完成;
AI数据库专家
数据维度的挑战:1)50人的车队每天产生2PB的数据,存储成本很高;2)大量数据进行清洗的成本;3)测试回灌+仿真需求;
主机厂要求:1)30-50万公里无AEB误触发;2)感知架构开发需要20-50万公里测试;3)功能验证需要20-50万公里测试;4)涉及到数据合规和竞争,更多采用私有云的形式;
BEV+TransFormer带来的变化:1)图片数据->全量数据(包含激光雷达+高精地图+车量动力学);2)离散数据->连续数据,同步性增强;3)2D图像标注->点云标注,数据中心大量GPU,数亿元人民币;4)数据提纯+数据清洗需求;5)异构+FPGA实现加速降本;
人工AI算法专家
核心观点:1)TransFormer是最重要的框架,CHATGPT在框架下做工艺级别的改变;2)大模型核心在推动AI本身的自动化,降低成本;
硬件壁垒:1)A100芯片是核心的计算芯片,暂时没有替代品;2)华为在软件上有不错的效能,但是暂时无法进入采购清单;
运用场景:1)直接服务,金融+医疗;2)软硬一体,云服务+软件(阿里云);3)中间件+代理的形式
五大能力:1)泛化能力;2)降低生产成本;3)提升内容;4)提升模型精度;5)形成生态维度
自动驾驶算法专家
AI应用场景:1)驾驶场景预测;2)识别障碍物并预测未来轨迹;3)决策推理模型;
AI应用细节:1)感知流程,传感器多模态融合;2)增强障碍物泛化能力(特斯拉2023年AI DAY会分享技术);3)提升数据标注效率
AIGC应用:1)泛化推演;2)底层模型由人类完成,顶层决策由AI完成;3)静态场景采用传统交互、复杂场景采用生成式AI;4)通过AIGC生成测试环境
技术+成本端:1)主机厂要求自驾BOM控制在整车售价5%-8%;2)SAM技术只能做二维图像分割,适合后端处理。